在数据挖掘的项目中经常会遇到一类尴尬的特征：高基数类别特征。那么什么是高基数类别特征呢？举个例子，比如像邮编、街道、产品货号等表示类别的特征，它们的基数很大，可能会有数十甚至数百个属性值。对于这种高基数类别特征确实有种“弃之可惜，食之无味”的尴尬。 如果用独热编码的话，对于这种高基数类别特征会产生出数十甚至数百个新特征，造成一个新的问题：特征冗余或维度爆炸。当然根据具体的业务场景可能会存在比